DIAGNOSA KEGAGALAN RODA GIGI BERBASIS SINYAL AKUSTIK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE.

(1)

DIAGNOSA KEGAGALAN RODA GIGI BERBASIS SINYAL

AKUSTIK MENGGUNAKAN METODE SUPPORT VECTOR

MACHINE

SKRIPSI

Ditujukan sebagai salah satu syarat

Untuk memperoleh gelar

Sarjana Teknik

Oleh

AKBAR AULIA NUR

(2)

(3)

(4)

DIAGNOSA KEGAGALAN RODA GIGI BERBASIS SINYAL AKUSTIK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Akbar Aulia Nur

Program Studi Teknik Mesin

Fakultas Teknik, Universitas Sebelas Maret

Surakarta, Indonesia

Email :akbaraulia1993@gmail.com

ABSTRAK

Roda gigi merupakan elemen mesin yang berfungsi untuk mentransmisikan daya dan putaran poros sehingga sistem mekanisme mesin dapat bekerja sesuai dengan fungsinya. Seiring dengan pemakaian, roda gigi akan mengalami kerusakan seperti aus, patah, atau retak. Untuk mencegah terjadinya kegagalan secara tiba-tiba, maka dibutuhkan deteksi dini untuk mengatasi kegagalan tersebut. Penelitian ini bertujuan untuk mendiagnosis adanya kegagalan pada roda gigi dengan mengklasifikasikannya menggunakan SVM berdasarkan sinyal akustik. Pengambilan data akustik diakukan dengan data akuisisi DEWESoft dengan sensor microphone PCB 426E01. Pengujian dilakukan pada rig pengujian roda gigi dengan variasi 5 kondisi roda gigi, yaitu roda gigi normal, patah 25%, patah 50%, patah 75%, dan patah 100%. Sinyal akustik diakuisisi dengan frekuensi sampling 20kHz. Ekstraksi fitur dilakukan terhadap sinyal akustik domain waktu. Fitur yang diekstraksi meliputi mean, variance, standar deviasi, maximum, minimum, peak value, RMS, skewness, kurtosis, range, dan impuls factor. Principle Component Analysis (PCA) diterapkan untuk mereduksi fitur. Klasifikasi SVM diselesaikan menggunakan perangkat lunak MATLAB R2016a. Dalam penelitian ini, klasifikasi SVM menggunakan metode Against-One (OAO) dan metode One-Against-All (OAA) serta beberapa fungsi kernel diantaranya kernel RBF, kernel polynomial dan kernel linier. Hasil penelitian menunjukkan bahwa metode klasifikasi SVM dapat digunakan untuk diagnosis kegagalan pada roda gigi menggunakan sinyal akustik. Penerapan metode One-Against-One dengan menggunakan kernel RBF dan kernel polynomial merupakan metode terbaik dalam klasifikasi roda gigi berdasarkan sinyal akustik. Pada akurasi model SVM didapatkan akurasi sebesar 100% dan akurasi pengujian model SVM didapatkan 100%.

(5)

FAULT DIAGNOSIS OF GEAR BASED ON THE ACOUSTIC SIGNAL USING SUPPORT VECTOR MACHINE

Akbar Aulia Nur

Mechanical Engineering Department

Engineering Faculty, Sebelas Maret University

Surakarta, Indonesia

Email :akbaraulia1993@gmail.com

ABSTRACT

Gears are machine element used to transmit torque and angular velocity in a wide variety of applications, so that machine mechanism can run as well. Along with the usage, gears will get the damage such as worn, broken or cracked. Therefore, predictive maintenance based on condition monitoring of gearbox is very important. This study has a purpose to know the failure of the gears based on acoustic signals by classifying it use SVM. Acoustic data collection is done with the data acquisition DEWESoft with microphone sensor type PCB426E01. The research was carried out at the gearbox test rig with five types of gear’sconditions, such as normal, 25% broken, 50% broken, 75% broken, and 100% broken. The acoustic signals acquired at a sampling frequency 0f 20kHz. Various features were extracted from acoustic signals in time domain, such mean, variance, standard deviation, maximum, minimum, peak value, RMS, skewness, kurtosis, range, and impulse factor. Principle Component Analysis (PCA) was applied to reduce feature. SVM classification problems were solved using MATLAB R2016a. in this study, SVM classification using One-Against-One method and One-Against-One-Against-All method with some kernel functions such as RBF kernel, linear kernel, and polynomial kernel. The results of the research show that the SVM classification method can be used to diagnose the fault condition of the gears based on acoustic signals. Application of the method One-Against-One using RBF kernel and polynomial kernel is the best method in the classification of the gear based on the acoustic signals. The training model accuracy was 100% and the testing accuracy of SVM was 100%.

(6)

KATA PENGANTAR

Segala puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat

serta hidayah kepada penulis sehingga mampu melaksanakan dan menyelesaikan skripsi

dengan judul “Diagnosa Kegagalan Roda Gigi Berbasis Sinyal Akustik Dengan Metode

Support Vector Machine dengan baik. Skripsi ini disusun guna memenuhi persyaratan

untuk memperoleh gelar Sarjana Teknik di jurusan Teknik Mesin Fakultas Teknik

Universitas Sebelas Maret Surakarta.

Dalam mengerjakan skripsi ini tidaklah mungkin dapat terselesaikan tanpa

bantuan dari berbagai pihak, baik secara langsung maupun tidak langsung. Oleh karena

itu pada kesempatan ini penulis ingin menyampaikan banyak terima kasih kepada semua

pihak atas segala bantuan dan perhatian selama penulis menyelesaikan skripsi ini. Untuk

itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada:

1. Bapak R. Lullus Lambang. G. Hidayat., ST., MT. selaku pembimbing I yang telah

banyak membantu pengerjaan program untuk skripsi ini, juga telah memberikan

koreksi pemahaman serta masukan-masukan yang berharga bagi penulis.

2. Bapak Didik Djoko Susilo, ST.MT. selaku pembimbing II yang dengan sabar dan

penuh pengertian telah mengajarkan tentang konsep dan wawasan baru, dan

memberikan banyak bantuan dalam pelaksanaan penelitian ini.

3. Bapak Purwadi Joko ST., MKom., DR. Nurul Muhayat, ST., MT. dan Bapak

Wibowo ST.,MT selaku dosen penguji tugas akhir saya yang telah memberi saran

yang membangun.

4. Bapak D. Danardono, ST., MT., Ph.D. selaku Pembimbing Akademis yang telah

berperan sebagai orang tua penulis dalam menyelesaikan studi di Universitas Sebelas

Maret ini.

5. Bapak Dr. Syamsul Hadi, ST., MT. selaku ketua Jurusan Teknik Mesin Fakultas

Teknik Universitas Sebelas Maret.

6. Bapak DR. Nurul Muhayat, ST., MT. selaku koordinator Tugas Akhir.

7. Seluruh staf dosen Jurusan Teknik Mesin Fakultas Teknik Universitas Sebelas Maret

(7)

8. Seluruh staf karyawan administrasi Jurusan Teknik Mesin Fakultas Teknik

Universitas Sebelas Maret yang telah memberikan kemudahan dalam hal

administrasi.

9. Keluarga atas do’a restu, nasihat, motivasi, dukungan material dan spiritual dalam

menyelesaikan skripsi.

10.Teman- teman seperjuangan Muhammad Fathurrohman, Agil Rizki Ardiansyah, dan

Wanto sejak awal pengerjaan TA sampai dengan selesai.

11.Rekan-rekan seperjuangan di Mecheng 11, atas kebersamaan dan kekompakannya.

12.Rekan-rekan seperjuangan di AMM, atas kebersamaan dan kekompakannya.

13.Segenap Kelauarga Mahasiswa Teknik Mesin yang telah memberikan pembelajaran

berharga yang akan selalu saya ingat.

14.Dan semua pihak yang telah mendukung kelancaran skripsi penulis yang tidak bisa

penulis sebutkan satu-persatu.

Pada akhirnya penulis menyadari bahwa dalam penyusunan skripsi ini masih

jauh dari sempurna karena keterbatasan kemampuan dan pengetahuan penulis. Oleh

karena itu penulis mengharapkan kritik dan saran yang bersifat membangun dari semua

pihak supaya menjadi masukan yang sangat berguna bagi penulis untuk memperbaiki

dan menyempurnakan penulisan lain yang akan datang. Akhir kata, penulis berharap

semoga laporan skripsi ini dapat berguna dan bermanfaat bagi kita semua dan bagi

penulis pada khususnya.

Surakarta, Januari 2017

(8)

DAFTAR ISI

BAB I PENDAHULUAN... 1

1.1 Latar Belakang... 1

1.2 Perumusan Masalah ... 2

1.3 Batasan Masalah ... 3

1.4 Tujuan ... 3

1.5 Manfaat Penelitian ... 3

1.6 Sistematika Penulisan ... 4

BAB II DASAR TEORI ... 5

2.1 Tinjauan Pustaka... 5

2.2 Roda Gigi... 7

2.2.1 Bagian-bagian Roda Gigi ... 9

2.2.2 Jenis-jenis Roda Gigi ... 10

2.2.3 Kerusakan Roda Gigi ... 10

2.3 Pemeliharaan (Maintenance) ... 12

2.3.1 Macam–macam Pemeliharaan... 12

2.4 Acoustics Emissions ... 14

2.5 Principle Component Analysis ( PCA ) ... 17

2.6 Support Vector Machine ( SVM )... 18

BAB III METODE PENELITIAN ... 24

3.1. Diagram Alir ... 24

3.2. Uraian Diagram Alir ... 25

3.2.1 Pengumpulan Data ... 25

(9)

3.2.3 Training Data Menggunakan SVM ... 26

3.2.4 Input Data... 26

3.3. Alat dan Bahan... 27

BAB IV DATA DAN ANALISA... 30

4.1 Data Penelitian... 30

4.2 Pembahasan ... 34

4.2.1 SVM menggunakan Kernel Linear ... 38

4.2.2 SVM menggunakan Kernel Polynomial ... 43

4.2.3 SVM menggunakan Kernel RBF ... 47

4.2.4 Analisa secara umum ... 52

BAB V KESIMPULAN... 55

5.1 Kesimpulan ... 55

5.2 Saran ... 55

DAFTAR PUSTAKA

(10)

DAFTAR GAMBAR

Gambar 2.1 Tiga tahapan dalam proses CBM ... 6

Gambar 2.2 Istilah dalam roda gigi... 8

Gambar 2.3 Roda gigi dengan kerusakan aus . ... 11

Gambar 2.4 Roda gigi dengan kerusakan plastic flow... 11

Gambar 2.5 Roda gigi dengan kerusakan pitting ... 12

Gambar 2.6 Roda gigi dengan kerusakan spalling ... 12

Gambar 2.7 Roda gigi dengan kerusakan rusak lelah ... 13

Gambar 2.8 Roda gigi dengan kerusakan quenching crack... 13

Gambar 2.9 Roda gigi dengan kerusakan overload breakage ... 14

Gambar 2.10 Hyperplane yang dihasilkan oleh SVM ... 21

Gambar 2.11 Feature space ... 22

Gambar 3.1 Diagram Alir Penelitian ... 26

Gambar 3.2 Rig roda gigi... 28

Gambar 3.3 Roda gigi ... 29

Gambar.3.4 Digital Signal Analysis... 30

Gambar.3.5 Tacho sensors... 30

Gambar 3.6 Skema rig pengujian... 31

Gambar 4.1 Sinyal suara roda gigi pada domain waktu ... 33

Gambar 4.2 Diagram confussion matrix model SVM kernel Linear dengan menggunakan metode One-Against-One ... 38

Gambar 4.3 Plot model SVM kernel Linear dengan menggunakan metode One-Against-One…... ...39

Gambar 4.4 Diagram confussion matrix pengujian model SVM kernel Linear dengan menggunakan metode One-Against-One ... 40

Gambar 4.5 Plot pengujian model SVM kernel Linear dengan menggunakan metode One-Against-One ... 40

Gambar 4.6 Diagram confussion matrix model SVM kernel Linear dengan menggunakan metode One-Against-All... 41

(11)

Gambar 4.8 Diagram confussion matrix pengujian model SVM dengan menggunakan

metode One-Against-All ... 43

Gambar 4.9 Plot pengujian model SVM kernel Linear dengan menggunakan metode

One-Against-All...43

Gambar 4.10 Diagram confussion matrix model SVM kernel Polynomial dengan

menggunakan metode One-Against-One ... 45

Gambar 4.11 Plot model SVM kernel Polynomial dengan menggunakan metode

One-Against-One…... ...45

Gambar 4.12 Diagram confussion matrix pengujian model SVM kernel Polynomial

dengan menggunakan metode One-Against-One ... 46

Gambar 4.13 Plot pengujian model SVM kernel Polynomial dengan menggunakan

metode One-Against-One ... 47

Gambar 4.14 Diagram confussion matrix model SVM kernel Polynomial dengan

menggunakan metode One-Against-All... 48

Gambar 4.15 Plot model SVM kernel Polynomial dengan menggunakan metode

One-Against-All ...48

Gambar 4.17 Plot pengujian model SVM kernel Polynomial dengan menggunakan

metode One-Against-All ...50

Gambar 4.18 Diagram confussion matrix model SVM kernel RBF dengan

Gambar 4.19 Plot model SVM kernel RBF dengan menggunakan metode

One-Against-One…... ...51

Gambar 4.20 Diagram confussion matrix pengujian model SVM kernel RBF dengan

(12)

Gambar 4.25 Plot pengujian model SVM kernel RBF dengan menggunakan metode

(13)

DAFTAR TABEL

Tabel 4.1 Data kondisi roda gigi ... 32

Tabel 4.2 Data ekstaksi fitur roda gigi normal... 34

Tabel 4.3 Data ekstaksi fitur roda gigi cacat 25% ... 34

Tabel 4.7. Data persentase variance... 36

Tabel 4.8 Data seleksi fitur roda gigi ... 36

Tabel 4.9 Hasil klasifikasi SVM menggunakan metode One-Against-One... 57